融合轨迹与手机多传感器的路面异常变化检测方法研究

作     者：王浩翔 

作者单位：南京邮电大学 

学位级别：硕士

导师姓名：焦东来

授予年度：2021年

学科分类：08[工学] 080202[工学-机械电子工程] 080203[工学-机械设计及理论] 0838[工学-公安技术] 0802[工学-机械工程] 

主      题：手机多传感器 车辆轨迹 姿态解算 路面异常变化 BP神经网络 

摘      要：道路是交通运输重要基础,在国家建设和经济发展中有重大作用。随着经济社会发展与车辆保有量逐年攀升,路面负担较大,此外,由于路面养护不及时等原因,导致路面产生了大量异常特征,并对安全驾驶、车辆寿命等产生了较大影响。因此,为了快速获取路面异常变化信息,成为交通部门亟待解决的的迫切需求。传统路面地物信息采集方法存在数据采集周期长、成本高等问题,因此,本文提出一种融合轨迹和手机多传感器的城市路面异常变化检测方法。利用手机内置的位置、加速度、姿态、磁场等传感器的采样数据,从传感器姿态解算、构建面向路面异常变化检测BP神经网络、路面异常变化检测这3个方面进行研究:（1）对数据进行姿态解算是对数据进行分析前重要一步,本文将分析姿态角表示方法选择计算量小、出错概率低的表示方式,并研究姿态解算算法的一般模型,最终面向手机传感器数据的特点,提出基于卡尔曼滤波器的姿态解算算法。（2）针对本文研究对象路面异常变化的特点,挑选合适的选择神经网络模型,构建适合本文研究对象的神经网络结构,并且选择合适的场地、设置合适的期望值作为神经网络的训练接,最终解约路面异常地物检测的问题。（3）通过对采集数据的原始与经过姿态矫正的数据进行对比分析,验证姿态解算、矫正的效果。通过对阈值法检测结果与神经网络检测结果进行对比分析,验证神经网络检测路面异常变化的效果。本文方法对硬件设备要求低、数据采集效率高,降低了路面地物信息采集的成本。实验结果表明,本文方法能够快速准确地检测路面异常变化,且结果准确率大于85%,具有较为广泛的应用前景。